Pyomo结合CPLEX：如何获取根节点最优整数解与LP松弛解？

嘿，刚好对这个场景很熟悉！Pyomo本身没有直接对应getValue/getBestObjValue的根节点专属函数，但我们有两种靠谱的方式拿到根节点LP松弛的目标值和变量解，给你拆解下：

方法1：直接从CPLEX求解器实例提取（高效，无需重复求解） #

当你用CPLEX求解MIP问题时，求解过程中已经计算过根节点的LP松弛解，我们可以直接通过Pyomo封装的底层CPLEX API来提取这些信息：

from pyomo.environ import ConcreteModel, Var, Objective, Constraint, SolverFactory, value, Integer, Reals

# 先搭建你的MIP模型（示例）
model = ConcreteModel()
model.x = Var(within=Integer, bounds=(0, 10))
model.y = Var(within=Integer, bounds=(0, 10))
model.obj = Objective(expr=2*model.x + 3*model.y, sense=minimize)
model.con1 = Constraint(expr=model.x + model.y >= 5)

# 初始化CPLEX求解器并求解
solver = SolverFactory('cplex')
results = solver.solve(model, tee=True)  # tee=True可以看到求解日志

# 获取根节点LP松弛的目标值
root_relax_obj = solver.cplex.solution.MIP.get_root_objective()
print(f"根节点LP松弛目标值: {root_relax_obj}")

# 获取根节点LP松弛的变量值
# 利用Pyomo和CPLEX的变量索引映射
pyomo_to_cplex = solver._pyomo_var_to_cplex_var
for var in model.component_objects(Var, active=True):
    for idx in var:
        pyomo_var = var[idx]
        cplex_var_idx = pyomo_to_cplex[pyomo_var]
        root_var_val = solver.cplex.solution.MIP.get_root_values(cplex_var_idx)
        print(f"{pyomo_var.name} 的根节点松弛解: {root_var_val}")

如果担心内部映射属性的兼容性，也可以通过变量名匹配：

cplex_var_names = solver.cplex.variables.get_names()
for var in model.component_objects(Var, active=True):
    for idx in var:
        pyomo_var = var[idx]
        cplex_var_idx = cplex_var_names.index(pyomo_var.name)
        root_var_val = solver.cplex.solution.MIP.get_root_values(cplex_var_idx)
        print(f"{pyomo_var.name} 的根节点松弛解: {root_var_val}")

方法2：克隆模型并求解LP松弛（通用，不依赖CPLEX专属API） #

如果以后可能切换求解器（比如用Gurobi），这种方法更通用：直接把原模型的整数/二进制变量改成连续变量，求解这个松弛后的LP模型，结果就是根节点的松弛解：

# 克隆原模型并生成LP松弛版本
relaxed_model = model.clone()
for var in relaxed_model.component_objects(Var, active=True):
    for idx in var:
        if var[idx].domain in (Integer, Binary):
            var[idx].domain = Reals

# 求解松弛模型
relaxed_results = solver.solve(relaxed_model, tee=True)

# 获取松弛目标值和变量值（用Pyomo原生的value函数即可）
relaxed_obj = value(relaxed_model.obj)
print(f"LP松弛目标值: {relaxed_obj}")

for var in relaxed_model.component_objects(Var, active=True):
    for idx in var:
        print(f"{var[idx].name} 的松弛解: {value(var[idx])}")

两种方法对比 #

• 方法1：效率更高，复用了CPLEX求解MIP时已计算的根节点结果，无需额外求解；但仅适用于CPLEX求解器场景。
• 方法2：兼容性强，换其他MIP求解器也能正常工作，但需要额外求解一次LP松弛（LP求解速度通常很快，影响不大）。

内容的提问来源于stack exchange，提问作者CHE